<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />この記事は JMPerケーブル、第30号、2015年夏 。
Melinda Thielbar著 melinda.thielbar 、シニアリサーチ統計学者、SAS
JMPプロファイラーはモデルを視覚化するための強力なツールです。ワンクリックで、製品の機能を変更したとき、または前提条件の1つを調整したときにモデルが予測する内容を確認できます。あなたの聴衆はモデルのメッセージを理解するのに統計的背景を必要としないのでそれはまた強力なコミュニケーションツールです。
JMP 11以前のバージョンでは、Choiceプラットフォームのプロファイラーはユーティリティプロファイラーでした - それはあなたの製品のユーティリティが機能の変化と共にどのように変わるかを示しました。経済学者やマーケティング担当者にとって、効用はかなり簡単な概念です。より高い実用性は、人々が購入する可能性がより高い、より望ましい製品を意味します。
JMP 12には、競合製品間の比較を視覚化し、提案された新製品の市場シェアを予測するのに役立つ2つの新しいツールであるProbability ProfilerとMultiple Choice Profilerが追加されています。
JMPサンプルデータライブラリからの2つのバージョンのピザデータを考えてみましょう。Pizza Profiles.jmp、Pizza Responses.jmp、およびPizza Subject.jmpに含まれている複数テーブルの例から始めましょう。これら3つのデータセットは、選択データが収集される方法を模しています。参加者に関する要因、回答、および人口統計情報は、別々のデータ表にあります。
Pizza Profilesメニューに添付されているスクリプトを実行すると、選択モデルの効果と結果の推定値に対する尤度比検定を含むレポートが生成されます（図1）。（注：JMPは、迅速に計算できる場合は、デフォルトで尤度比検定を実行します。検定がデフォルトで作成されていない場合は、赤い三角メニューからいつでも尤度比統計を要求できます。）
図1 選択モデル効果と尤度比検定
効果テストは、どの要因が統計的に有意であるかを示し、パラメーター推定値の記号は、その要因が被験者に製品を購入する可能性を多かれ少なかれ与えるかどうかを示します。このレポートから、ジャックチーズはモッツァレラよりも人気が低いことがわかり、性別とThick CrustとPepperoni vs No Toppingsの間の統計的に有意な相互作用があります。
ユーティリティプロファイラ（JMP 11では単に「プロファイラ」と呼ばれます）は、これらの相互作用が消費者の選択にどのように影響するかを説明するのに役立ちます。選択するユーティリティプロファイラ Choice Modelの赤い三角メニューからUtility Profilerを表示します。性別プロファイラーで、垂直線をFからMにドラッグします（図2）。
図2 性別がMに設定されたユーティリティプロファイラ
最初のプロファイラーは、男性がペパロニと厚い地殻のピザを好むことを示しています。
性別をMからFに変更すると、相互作用の効果を明確に見ることができます。「性別」の値を「M」に設定すると、Pepperoniと「いいえ」のトッピング間の線の傾きは負になります。性別の値を「F」に変更すると、勾配は正になります。厚い地殻と薄い地殻の間の線の傾斜についても同じことが言えます。
図3 性別がFに設定されたユーティリティプロファイラ
これは、女性がトッピングのない薄い皮のピザを選ぶ傾向があり、男性はペパロニの厚い皮のピザを選ぶ傾向があることを示しています。
あなたのマーケティングマネージャは、「どのくらい可能性が高い」と「何よりも可能性が高い」と尋ねるかもしれません。JMP 12まで、あなたの答えは「私にあなたに戻ろう」だったかもしれません。今あなたが必要とするのは確率プロファイラーだけです。
JMP 12では、確率プロファイラーはChoiceプラットフォームの赤い三角メニューの中のユーティリティープロファイラーの真下にあります。選択したとき確率プロファイラあなたはあなたが提案した新製品を「ベースライン」製品と比較しています。たぶん私は、モッツァレラチーズとペパロニを添えたシッククラストピザを、ジャックチーズとペパロニを添えたシッククラストに挑戦することを計画しています。ベースライン設定の性別リストから、Fを選択します（図4）。
図4 チーズが「モッツァレラチーズ」に設定されたProbabilityProfiler
Probability Profilerを使うと、私が提案した製品が良い考えであることが簡単にわかります。私のピザと他のピザを選ぶとき、女性は私のピザを選ぶ可能性が92％あります（図4）。Baseline設定のGenderをMに変更すると、男性が自分のピザを選ぶ確率が96％になることがわかります（図5）。被験者（つまり人）に関連する設定は常にベースライン設定に表示されるので、選択確率を比較するときは常にリンゴとリンゴを比較しています。
図5 性別がMに設定された確率プロファイラ
消費者が2つの選択肢しかない市場はそれほど多くありません。あなたは複数の競合製品について知っているかもしれず、それらすべてに対して最大の選択確率でピザをデザインしたいと思うかもしれません。これはMultiple Choice Profilerの仕事です。これはProbability Profilerの真下にある赤い三角形のメニューにあります。
選択する多肢選択プロファイラー赤い三角形のメニューから、どのくらいの選択肢をプロファイルするかを尋ねるダイアログが表示されます（図6）。3がデフォルトですが、もっと多くすることもできます。
図6 プロファイルする選択肢の数を設定する
これで、Multiple Choice Profilerは、1つのBaselineモデルと1つの選択肢を持つのではなく、選択肢ごとに1つのリンクされたプロファイラーのセットを作成します（図7）。上部のドロップダウンリストを使用して、市場セグメントを構成するサブジェクト変数の値を選択できます。プロファイルスライダーは、さまざまな製品のプロパティを設定します。どの製品が最も高い予測市場シェアを持つかを視覚的に示すためのヘッダーのすぐ下のチャートもあります。
図7 すべての選択肢のためのMultipleChoiceプロファイラー
今では、モッツァレラチーズとトッピングなしのThin Crustピザが最も人気があります。
上記の例はすべて、複数のテーブルを使用した分析を示しています。通常1テーブル分析を実行する場合は、JMPは主観的効果を多肢選択プロファイラーに配置します（図8）。（JMPが効果が主観的効果と意図的効果のどちらを目的としているのかを知る方法はないため、JMPはユーザーにとって最も柔軟性のある選択をします。）
図8 多肢選択プロファイラーの被験者効果
多肢選択モデルの確率比較は1になるように制限されています。Choiceモデルからの確率比較は、市場セグメント内で比較している場合にのみ意味があります。主語変数の値を変更すると、すべての選択確率に対してそれらが同じになるようにしてください 。さもなければ、あなたの予測された確率（そしてそれ故に、市場占有率）は正しくないでしょう。
ユーティリティプロファイラは、常にモデルを視覚化するための便利なツールです。JMP 12には、異なる製品間の比較を視覚化し、市場シェアを予測するのに役立つ2つの新しいツールであるProbability ProfilerとMultiple Choice Profilerが追加されています。提案された新製品のため。
このトピックを調べるには、JMPの資料を参照してください。選択プラットフォームのオプション 。
